hive元数据分析

前言

在对hive SQL进行解析，以及跟踪hive job与yarn application的关系时，
还有对hive数据仓库进行数据治理时，需要对hive元数据有个较为清楚的认识，
进而更好的在解析SQL时，对数据访问进行权限控制；
在资源管理时，进行资源归属；
在数据生命周期管理时对其进行有效管理

hive元数据库、表

• hive元数据是有mysql存储的，如果默认安装则是hive数据库，里面有一系列跟数据表、分区，数据倾斜，数据存储、压缩等相关的数据表

version

• 存储hive版本信息
  

database相关

dbs

• 存储hive 数据库的hdfs目录，编号等信息
  

DATABASE_PARAMS

• 该表存储数据库的相关参数，在CREATE DATABASE时候用WITH DBPROPERTIES(property_name=property_value, …)指定的参数,会存在该表中；其主键以为dbs的主键

table 相关

tlbs

• 存储hive数据表的所属库，owner，创建时间，最后访问时间[默认无效，需修改源码生效]等信息
  

TABLE_PARAMS

• 该表存储表/视图的属性信息，创建表时的tbl_properties
  

TBL_PRIVS

-该表存储表/视图的授权信息

partions相关

partitions

• 存储hive分区表的分区记录，访问时间，table_id等
  

PARTITION_KEYS

-该表存储分区的字段信息

PARTITION_KEY_VALS

-该表存储分区字段值

PARTITION_PARAMS

-该表存储分区的属性信息

存储相关

SDS

• 该表保存文件存储的基本信息，如输入、输出格式、压缩格式、是否压缩、序列化等信息。TBLS表中的SD_ID与该表关联，可以获取Hive表的存储信息。
  

SD_PARAMS

• 该表存储Hive存储的属性信息，在创建表时候使用STORED BY ‘storage.handler.class.name’ [WITH SERDEPROPERTIES (…)指定。
  

SERDES

• 该表存储序列化使用的类信息
  

SERDE_PARAMS

• 该表存储序列化的一些属性、格式等信息，比如:行、列分隔符
  

其他

• 其他有诸如 索引相关信息，数据倾斜，权限管理，分区统计、授权等，不一一赘述